买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉睿思网盾(北京)科技有限公司申请的专利基于人工智能的网络流量异常分类方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120512317B 。

龙图腾网通过国家知识产权局官网在2025-11-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511006704.4，技术领域涉及：H04L9/40；该发明授权基于人工智能的网络流量异常分类方法及系统是由陈世杰设计研发完成，并于2025-07-22向国家知识产权局提交的专利申请。

本基于人工智能的网络流量异常分类方法及系统在说明书摘要公布了：本发明公开了基于人工智能的网络流量异常分类方法及系统，方法包括流量数据采集、数据预处理、异常分类模型构建、模型超参数优化和网络流量异常分类。本发明涉及网络流量异常分类技术领域，具体是指基于人工智能的网络流量异常分类方法及系统，本发明通过流量数据采集得到原始数据；采用流会话重建、数据标准化、时间窗口切片、类别特征嵌入和数据集分割的数据预处理方法；采用改进变压器模型作为异常分类模型，通过分层特征融合机制保留协议拓扑结构，提升了复杂攻击的识别精度与泛化能力；采用改进粒子群优化算法优化模型超参数，通过自适应探索与开发策略，结合混沌初始化与混合变异策略，增强对高维参数空间的覆盖能力。

本发明授权基于人工智能的网络流量异常分类方法及系统在权利要求书中公布了：1.基于人工智能的网络流量异常分类方法，其特征在于：该方法包括以下步骤： S1：流量数据采集，通过进行数据采集，得到异常分类原始数据集，所述异常分类原始数据集，具体包括历史流量原始数据集和实时流量原始数据集； S2：数据预处理，对采集到的原始数据进行预处理，得到待分类数据集、分类训练集和分类测试集； S3：异常分类模型构建，用于构建网络流量异常分类所需的模型，具体为构建改进变压器模型，作为异常分类模型，所述改进变压器模型，具体包括分层提取模块、位置编码模块、改进注意力模块和异常对比模块； 所述位置编码模块，用于注入网络流量的时空先验知识，具体为结合周期时间编码和可学习协议层级编码，得到融合时序依赖与协议拓扑的位置编码向量，步骤包括： 步骤S321：时间位置编码，用于捕捉周期性时序模式，具体为通过正弦余弦函数生成位置相关的编码向量，得到时间位置编码向量； 步骤S322：协议层级编码，用于区分不同协议层的特征，具体为通过学习每个协议层的可学习向量，得到协议层级编码向量； 步骤S323：编码融合，用于将位置信息融入输入特征，具体为将时间位置编码向量、协议层级编码向量与融合嵌入特征相加，得到融合编码特征； 所述改进注意力模块，用于捕获多尺度时序模式，所述改进注意力模块，包含两个相同的注意力子模块，改进注意力模块输入的融合编码特征，依次经过两个注意力子模块后，得到改进注意力模块的输出，所述注意力子模块，具体为通过局部注意力提取片段内特征，跨段注意力捕捉长时依赖，并通过特征融合整合多粒度信息，步骤包括： 步骤S331：序列分段处理，用于处理长时序依赖，具体为将输入融合编码特征按时序均等切分，每段长度为32步，长度不足的部分采用补0处理，得到分段重组的融合编码特征； 步骤S332：局部注意力设计，用于提取短期模式，具体为在分段重组的融合编码特征的每个时序片段内执行多头自注意力计算，并通过残差连接得到局部增强特征； 步骤S333：跨段注意力设计，用于发现长期关联，具体为计算分段重组的融合编码特征的每个时序片段的均值，并基于每个时序片段的均值在段间执行多头自注意力计算，并通过残差连接得到全局增强特征； 步骤S334：特征融合，用于整合局部和全局信息，具体为将全局增强特征在时间步维度重复至扩展为与局部增强特征维度相同，并通过线性变换将局部增强特征与扩展后的全局增强特征拼接并融合，得到多尺度融合特征； 所述异常对比模块，用于强化异常特征的显著度，所述异常对比模块，具体包括两个通路，分别为主通路与参考通路，通过主通路基准特征与参考通路差分特征的双通路对比机制，得到对比增强特征，步骤包括： 步骤S341：主通路特征传递，用于提取流量特征的主干信息，具体为通过线性投影将多尺度融合特征降维，得到主通路特征； 步骤S342：参考通路特征计算，用于捕捉流量的动态变化特征，具体为通过计算相邻时间步之间的特征差分并进行线性投影，得到参考通路特征； 步骤S343：对比损失计算，用于强化正常与异常流量特征差异，具体为计算主通路特征与参考通路特征之间的差异损失，得到对比损失值； 步骤S344：设计激活函数，用于激活特征并保留重要信息，具体为通过分段线性函数处理主通路特征与参考通路特征之和，得到对比增强特征； S4：模型超参数优化，用于优化异常分类模型的模型超参数，具体为采用改进粒子群优化算法优化所述异常分类模型的模型超参数，得到优化后的异常分类模型； S5：网络流量异常分类，具体为将所述待分类数据集作为所述优化后的异常分类模型的输入，进行网络流量异常分类，得到优化后的异常分类模型的模型预测结果，作为网络流量异常分类参考结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人睿思网盾(北京)科技有限公司，其通讯地址为：100071 北京市丰台区南四环西路188号十六区19号楼9层101内3559号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。